机器学习算法——降维
Nicole_Liang
这个作者很懒,什么都没留下…
展开
-
一、降维——机器学习笔记——降维(特征提取)
目录 一、为什么要降维1、降维的分类2、示例二、第一部分,线性降维方法 1、【PCA】主成分分析2、【LDA】判别分析3、【MDS】多维尺度分析三、第二部分,非线性降维方法1、【流形学习】2、【ISOMAP】等距特征映射3、【LLE】局部线性嵌入四、总结什么时候使用哪种降维技术 一、为什么要降维维数灾难:在给定精度下,准确地对某些变量的函数...转载 2018-04-23 17:47:00 · 28547 阅读 · 3 评论 -
二、降维——流形学习-高维数据的降维与可视化
1.流形学习的概念流形学习方法(Manifold Learning),简称流形学习,自2000年在著名的科学杂志《Science》被首次提出以来,已成为信息科学领域的研究热点。在理论和应用上,流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形,流形学习就是从高维采样数据中恢复低维流形结构,即找到高维空间中的低维流形,并求出相应的嵌入映射,以实现维数约简或者数...转载 2018-04-23 18:12:29 · 4409 阅读 · 0 评论 -
三、降维——PCA, 3d可视化以及R聚类
导入数据数据使用的是iris数据包:data(iris)iris$Species <- factor(iris$Species, levels = c("Versicolor", "virginica", "setosa"))可以使用head(iris)来查看数据情况。可以简单看看数据的拟合情况:round(cor(iris[,1:4]),2主成分分析P...转载 2018-04-23 18:16:13 · 5211 阅读 · 0 评论 -
四、降维——流形学习 (manifold learning)
zz from prfans............................... dodo:流形学习 (manifold learning)dodo流形学习是个很广泛的概念。这里我主要谈的是自从2000年以后形成的流形学习概念和其主要代表方法。自从2000年以后,流形学习被认为属于非线性降维的一个分支。众所周知,引导这一领域迅速发展的是2000年Science杂志上的两篇文章: ...转载 2018-04-23 18:45:17 · 6056 阅读 · 1 评论 -
五、降维——从SNE到t-SNE再到LargeVis
0x00 前言本文谢绝转载,如有需要请联系bindog###outlook.com,###换成@数据可视化是大数据领域非常倚重的一项技术,但由于业内浮躁的大环境影响,这项技术的地位渐渐有些尴尬。尤其是在诸如态势感知、威胁情报等应用中,简陋的可视化效果太丑,过于华丽的可视化效果只能忽悠忽悠外行,而给内行的感觉就是刻意为之、华而不实。曾几何时,可视化技术不过是一种数据分析的手段罢了。惭愧的...转载 2018-05-18 18:18:36 · 3257 阅读 · 0 评论